可不可以理解为，有点笨，但自己反复纠错，最后还是能搞出来？

另外理解沟通能力你感觉咋样

未来能支持一下 watch 端查看吗，我目前还没找到类似 app

归根结底是身处在要求严谨的评价体系中，没有信心创作非严谨内容（因为这可能遭致恶评），但大众环境对结果更为看重（可以看成另一种要求结果的评价体系），两者评价体系不同，导致作者很难创作出符合另一种评价体系的内容，所以不必太过否定自己，换个环境会好起来的。

> 如果大家有时间看到这，可以给我提一些意见，告诉我如何才能在尊重 eval 和 benchmark 严谨性的同时更好的推广我的产品。 我知道用 codex 或者 claude 写一个 coding agent 很简单，但我也相信，总会有人理解 benchmark 和 eval harness 的价值。

我在这里和你有一点不同意见，原因和上面的回复类似，如果你想获得更多的 star ，更多的传播，就要从传播学/心理学入手。我认为大众在 star 或者评论转发，或者微信里讨论的时候，是不会在意严谨性的。所以如果卸下一丝严谨性的包袱，能更好的达到你的目的。一个我自己悟到的，严谨代表着能获得喜欢严谨人群的认可，但大众通常来讲是不严谨的，不是作者傲慢，是作者在满足自己的品味和达成自己的目的之间，两个都想要。

lz 的想法真是很天才的，阅读了 readme 获益匪浅，感觉可以到被 openai 和 anthropic 收购的程度（但也侧面反映了这些家伙对于 token save 一点都不在意）

我作为一个用户，讲一些我看到这个项目的心理变化，希望对 lz 的困惑有所帮助

首先我没有在第一时间理解，我要怎么用这个，它是谁的代替品。我可以像 claude code/codex ，或者是 claude desktop or Orca 还是 workbuddy 等等的产品一样使用它。（虽然我通过完整的阅读 readme 知道了问题的答案，但如果好奇为什么你声称找到了真的节省 token 的办法，我是没耐心读下去的）

其次我读完之后也并没有要安装的想法，这一方面是因为我目前对 tokne 的消耗量并不大，另一方面是，我没有直观的看出 80%，16% 这些数字对我来说意味着什么。可能是能让我多 vibe 一会儿？多产出几个项目？但是思考这些问题，就会实打实的阻碍我产生安装的动作。最直白的建议，把 token 等价的美元，在用 codex 和 tura 之间比较，告诉人们能多蹬出多少美元，这样非常直观。

最后，我想起来了我以前的一个作品，https://github.com/chaoliu719/splitpatch ，它也是把原理放在了里面，甚至放了一个示例来讲。我今天整理 github 的时候，突然觉得我写这些更适合放到 blog 中，而不是 readme 中，readme 更多的是宣传，安装，快速上手，而不是原理解释。当时我真的很想把这些讲清楚，让大家看到这个项目的价值，但今天来看，我想问当初的自己，为什么用户需要关心这些原理呢？他们只需要最浅显易懂的 CTA ，他们只是 user 而不是 developer 。我没有动力改我的项目了，因为它很小，但是我觉得你的项目真的值得好好宣传一下，它真的很有潜力。

短期内的技术门槛降低，一大波人眼红，衍生出各种场景，然后就会有各种专门的商家针对性搭建服务，精准对接一波，然后龙虾死掉。

感谢 已领

目前无论是我自己用 AI ，还是观察别人用 AI ，都有一个核心问题：当前 AI 无法感知到所有执行环境。比如一个 API 不通，究竟是网断了？还是梯子挂了？还是服务有问题？可能我们刚好忘记告诉它了某个事实，导致它在执行的过程中一遍遍尝试，浪费很多 token 和时间。但如果 AI 能够“浅尝辄止”并向上反馈，再结合自总结 skill 的机制，把人类的反馈记下来，我觉得 AI 未来应该会是很好的助手/帮手，而非仅仅是一个高效率的执行者。

@d0r1an 我有了一些新想法：
理想状况下 Agent 是一定要完成任务的，但是考虑到现实情况，有可能我们也不能清楚 Agent 能不能完成任务，只是先把任务交给它试试（比如大部分不懂技术的人用 clawdbot 的时候）。这时我们不是想让 Agent 一条路走到黑，然后告诉我他干不了，而是希望 Agent 在执行的过程中，如果过于困难，就向上请求支援。

这个机制还可以应用在多层 Agent 架构中。面对复杂问题，首先分散出一堆子 Agent 探索，子 Agent 如果过于困难，则向上汇报，主 Agent 再根据子 agent 执行结果，综合评定最小解决代价后继续灵活改变计划，或寻找其他解决方案。

@d0r1an 之前不是有人指挥好几个 Agent 干活，人只需要像自己有点像 leader 一样规划就行。其实这个思路是把 agent 作为 leader ，让他去安排一些子 Agent 去做细分的活儿。这样子，Agent 就能够自己去处理一些不确定性的东西，减少了上层 Agent 的一些认知负担。可以嵌套两三层这种架构，专门拆解复杂问题。但我这个想法应该是去年的，现在应该已经有类似的 Agent 架构出来了，只是我还没时间去研究。

然后最近不是 skill 很火嘛，然后还有那种自学习的 skill ，其实对于一个层级上的子 Agent 来说，如果每次划工分给他的问题是合理的，那么我觉得他很快就能自学习出一整套 skill 来，其实很像公司的架构了。

和我之前的一个想法特别类似，agent 现在要处理的逻辑层次太多了，每一层都会带来不确定性。或许还有一种思路是，每次遇到不确定性就分配一个 subagent 处理不确定性。因为与其手动封装各种可重入节点，不如让 llm 自己去划分任务的逻辑层次。

AI 只是工具，博客是短小的片段，和当时调试的记忆。

是的，我确实是想表达用户确实在比较「预期回报」和「代价」。

这里你提到了时间和金钱的互换，那我们可以来探讨下，究竟预期回报高到什么程度，用户愿意付出时间？预期回报高到什么程度，用户愿意付出金钱？

从我自己的角度，时间的价值可高可低，比如简单的，当我在工作赚钱时，时间的价值就很高，我不能容忍软件里有任何广告阻碍我的思路，所以我愿意付费清除广告。反之当我无聊时，比如看视频，我宁可在等广告时干点别的，也不愿意付费。

所以，我的结论是，在不同的情境下，时间的价值是不一样的。

回到你的例子“如果 Youtube 提出每花 0.1 分钱可以跳过一个广告，你猜会有多少人用这 0.1 分钱，换取这 5 秒钟？”。我还是一样的答案，这取决于他们内容对观众的信息价值。可能要再加一句，以及观众在当下的场景，会选择用怎样的方式支付。对于我自己来说，有价值的内容我会早上看，没有价值的会吃饭或无聊时候看，就是这个道理。

另外我很好奇，如果你是 UP ，你必须在 0.1 分付费和 5s 广告之间，二选一支付策略，你会怎么选？再抽象一些，你觉得哪些内容适合金钱支付，哪些内容适合时间支付？

我觉得我最初回复第二段的例子很好的说明了问题，即如果 UP 的信息能够真正解决用户痛点，用户就会愿意付费购买，否则就走广告模式比较合适。

另外你提到的：“同一个视频博主，有会员节目，也有非会员节目，那么相比会员节目，非会员节目是不是一文不值？”我认为不能拆开单独看待每个视频，无论讨论营收数据，付费意愿，用户画像，都是一整个账号，一整个专栏，一整个课程看待的。

@sillydaddy

@sillydaddy 你不能脱离开我的整段表达，单独来看，来引用，来反驳我最后一段。

如果你想让用户为你的内容付费，你就要找到“愿意”付费的用户。很多时候，重点不在“内容”上，而是在“愿意”上。

愿意程度取决于用户对获取信息后的预期，比如学会了一门课并找到了工作，比如可以精准拨打某类用户画像的电话以推销产品，比如没有经济价值但提升了认知，比如知道了有一个软件可以帮助节省成本带来收益，或者可以拓宽工厂的销路，甚至传统的红娘，撮合商，买卖的都是信息。只要你找到了“愿意”付费的用户，信息就有价值，反之就没有。

UP 发布免费内容借广告赚钱的模式能够形成，只是因为他们内容的对买家（观众）信息价值，不足以让买家付费，所以才会接入其他广告商，替他们做宣传。

可以不登录试用吗？

行业标杆

第一点，人花钱的时候，会考虑一下。上网发帖不会。不过如果消费群体偏向年轻化，会更容易被影响一些。
第二点，同上
第三点，我猜测你想说友商反应证明小米分走了很大一块蛋糕。我觉得对于车这种价格很高的商品，看舆论不如直接看销量。普遍来说，利益影响越大，独立决策时，消费/投资越理性。
第四点，我觉得是正常的流量反噬。关注的人多会导致只要是关于小米的事，话题度就会高，和流量有关系，和成功没关系。

@lauix 哇那真是很不容易，用户也蛮友好的